L'intelligence artificielle surpasse à nouveau les humains

Pushmeet Kohli, responsable de l'IA scientifique chez Google DeepMind, a déclaré lors d'un entretien avec le Guardian : « Lorsque nous avons lancé le projet, rien n'indiquait vraiment que l'IA produirait quelque chose de nouveau », ajoutant : « Pour autant que nous sachions, c'est la première fois qu'une véritable découverte scientifique inédite est réalisée grâce à un grand modèle de langage. »

Selon les ingénieurs du département d'intelligence artificielle de Google, un chatbot ressemble désormais à l'un des esprits les plus brillants dans le domaine de la combinatoire, un secteur des mathématiques qui peut s'avérer fastidieux et frustrant. Au départ, il ne s'agissait que d'une preuve de concept ; la véritable percée a été un nouvel algorithme que l'équipe a baptisé FunSearch. Cependant, l'IA ne s'est pas contentée d'être une preuve de concept et a poursuivi son travail, trouvant des solutions à des problèmes non résolus bien meilleures que celles découvertes jusqu'alors.

Alhussein Fawzi et Bernardino Romera Paredes ont écrit dans un article de blog pour DeepMind : « FunSearch a découvert de nouvelles solutions pour le problème de l'ensemble limite, un problème mathématique ouvert depuis longtemps », poursuivant : « Le problème consistait à trouver le plus grand ensemble de points (appelé ensemble limite) dans une grille de haute dimension où aucun point n'est aligné sur une ligne. »

À ce stade, un exemple peut s'avérer utile. Dans le jeu Set, 12 cartes sont distribuées, chacune marquée par une combinaison unique de forme, de couleur, d'ombrage et de nombre. Les joueurs cherchent ensuite à trouver un ensemble de trois cartes où chacune de ces caractéristiques est soit totalement différente, soit identique pour les trois cartes. Par exemple, un groupe composé d'une carte avec un losange rouge, une carte avec deux losanges rayés bleus et une troisième avec trois losanges verts vides forme un « set », car ils contiennent tous des losanges. Cependant, mis à part le fait qu'il s'agisse de losanges, les couleurs, les ombrages et le nombre sur chacune d'elles sont différents.

Si personne ne parvient à trouver l'un de ces « sets » avec les 12 cartes sur la table, ce qui est tout à fait possible, alors davantage de cartes sont distribuées jusqu'à ce qu'un set soit trouvé. Les mathématiciens ont décidé de se demander combien de cartes peuvent être distribuées avant qu'un set n'apparaisse, ou, en langage mathématique, quelle est la taille maximale d'un set dans Z34.

En réalité, ce problème spécifique a été résolu en 1971 et la réponse était 20. Mais lorsqu'il s'agit de ensembles plus grands, les choses deviennent beaucoup plus difficiles. Comme c'est malheureusement souvent le cas en combinatoire, le nombre de solutions potentielles augmente à une vitesse incroyable, et rien qu'en montant jusqu'à huit caractéristiques, il faut gérer des combinaisons atteignant environ 31 600 « cartes » potentielles.

Sans surprise, les humains n'ont pas encore réussi à résoudre ce problème. Plus important encore que la question de savoir pourquoi nous tenterions une telle chose, la méthode elle-même n'est même pas claire. Les mathématiciens n'ont pas réussi à se mettre d'accord sur la meilleure façon d'aborder le problème de l'ensemble limite pour n = 8, et encore moins à trouver une réponse.

C'est pourquoi le fait que l'IA de Google semble avoir résolu ce problème avec une limite de 512 dimensions, jusqu'alors inconnue, constitue une réussite remarquable.

« C'est la première fois que l'on démontre qu'un système basé sur des grands modèles de langage peut aller au-delà de ce qui est connu des mathématiciens et des informaticiens », a déclaré Kohli lors d'un entretien avec Nature, ajoutant : « Ce n'est pas seulement nouveau, c'est aussi plus efficace que tout ce qui existe aujourd'hui. »

Bien que les résultats des découvertes de DeepMind soient incroyables, les mathématiciens n'ont probablement pas encore à s'inquiéter pour la sécurité de leur emploi. Pour l'instant, FunSearch est limité aux problèmes répondant à certains critères. Pour pouvoir résoudre des problèmes, ceux-ci doivent pouvoir être évalués et notés facilement et efficacement, et suivre la même astuce de « remplissage de code manquant » que l'équipe a utilisée pour les problèmes de couverture d'ensemble et de conditionnement de boîtes. Les chercheurs précisent, par exemple, que la génération de preuves serait actuellement trop difficile pour l'IA, car on ne peut pas noter de telles choses d'une manière qui ait du sens pour un ordinateur.

Néanmoins, le fait qu'un puzzle dont la réponse restait introuvable depuis longtemps ait été résolu est un nouvel exemple de la puissance et des capacités de l'intelligence artificielle.

L'étude a été publiée dans la revue Nature.

Source de l'actualité: 12punto